转自：http://blog.csdn.net/szv123_rier/article/details/8627150
最大类间方差法（otsu）的原理：
阈值将原图象分成前景，背景两个图象。
前景：用n1,csum, m1来表示在当前阈值下的前景的点数，质量矩，平均灰度
后景：用n2, sum-csum, m2来表示在当前阈值下的背景的点数，质量矩，平均灰度
当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准
而在otsu算法中这个衡量差别的标准就是最大类间方差（英文简称otsu，这也就是这个算法名字的来源）
在本程序中类间方差用sb表示，最大类间方差用fmax
关于最大类间方差法（otsu）的性能:
类间方差法对噪音和目标大小十分敏感，它仅对类间方差为单峰的图像产生较好的分割效果。
当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。
最大最大类间方差法（otsu）的公式推导：
记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。
则图像的总平均灰度为：u=w0*u0+w1*u1。
前景和背景图象的方差：g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1),此公式为方差公式，可参照概率论课本
上面的g的公式也就是下面程序中的sb的表达式
当方差g最大时，可以认为此时前景和背景差异最大，也就是此时的灰度是最佳阈值
unsafe public int GetThreshValue(Bitmap image)
{
BitmapData bd = image.LockBits(new Rectangle(0, 0, image.Width,image.Height), ImageLockMode.WriteOnly, image.PixelFormat);
byte* pt = (byte*)bd.Scan0;
int[] pixelNum = newint[256];
//图象直方图，共256个点
byte color;
byte* pline;
int n, n1, n2;
inttotal;
//total为总和，累计值
double m1, m2, sum, csum, fmax,sb;
//sb为类间方差，fmax存储最大方差值
int k, t, q;
int threshValue =1;
//阈值
int step = 1;
switch (image.PixelFormat)
{
case PixelFormat.Format24bppRgb:
step = 3;
break;
case PixelFormat.Format32bppArgb:
step = 4;
break;
case PixelFormat.Format8bppIndexed:
step = 1;
break;
}
//生成直方图
for (int i = 0; i < image.Height; i++)
{
pline = pt + i * bd.Stride;
for (int j = 0; j < image.Width; j++)
{
color = *(pline + j *step); //返回各个点的颜色，以RGB表示
pixelNum[color]++;
//相应的直方图加1
}
}
//直方图平滑化
for (k = 0; k <= 255; k++)
{
total = 0;
for (t = -2; t <= 2;t++)
//与附近2个灰度做平滑化，t值应取较小的值
{
q = k + t;
if (q < 0)
//越界处理
q = 0;
if (q >255)
q = 255;
total = total +pixelNum[q]; //total为总和，累计值
}
pixelNum[k] = (int)((float)total / 5.0 +0.5); //平滑化，左边2个+中间1个+右边2个灰度，共5个，所以总和除以5，后面加0.5是用修正值
}
//求阈值
sum = csum = 0.0;
n = 0;
//计算总的图象的点数和质量矩，为后面的计算做准备
for (k = 0; k <= 255; k++)
{
sum += (double)k *(double)pixelNum[k];
//x*f(x)质量矩，也就是每个灰度的值乘以其点数（归一化后为概率），sum为其总和
n +=pixelNum[k];
//n为图象总的点数，归一化后就是累积概率
}
fmax =-1.0;
//类间方差sb不可能为负，所以fmax初始值为-1不影响计算的进行
n1 = 0;
for (k = 0; k < 255;k++)
//对每个灰度（从0到255）计算一次分割后的类间方差sb
{
n1 +=pixelNum[k];
//n1为在当前阈值遍前景图象的点数
if (n1 == 0) { continue;}
//没有分出前景后景
n2 = n -n1;
//n2为背景图象的点数
if (n2 == 0) { break;}
//n2为0表示全部都是后景图象，与n1=0情况类似，之后的遍历不可能使前景点数增加，所以此时可以退出循环
csum += (double)k *pixelNum[k]; //前景的“灰度的值*其点数”的总和
m1 = csum /n1;
//m1为前景的平均灰度
m2 = (sum - csum) /n2;
//m2为背景的平均灰度
sb = (double)n1 * (double)n2 * (m1 - m2) * (m1 -m2); //sb为类间方差
if (sb >fmax)
//如果算出的类间方差大于前一次算出的类间方差
{
fmax =sb;
//fmax始终为最大类间方差（otsu）
threshValue =k;
//取最大类间方差时对应的灰度的k就是最佳阈值
}
}
image.UnlockBits(bd);
image.Dispose();
return threshValue;
}